Biyomühendislik / Bioengineering

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/208

Browse

Browsing Biyomühendislik / Bioengineering by Author "Saçar Demirci, Müşerref Duygu"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Research Project
    RNA İkincil Yapılarının Çok Boyutlu Gösterimi ve Pre-Mirna Tespiti Için Uygulamaları
    (TUBİTAK, 2021) Saçar Demirci, Müşerref Duygu; Demirci, Yilmaz Mehmet; 0000-0003-2012-0598; 0000-0003-3802-4211; AGÜ, Yaşam ve Doğa Bilimleri Fakültesi, Biyomühendislik Bölümü; Saçar Demirci, Müşerref Duygu; Demirci, Yilmaz Mehmet; 01. Abdullah Gül University; 02.01. Mühendislik Bilimleri; 02. Mühendislik Fakültesi; 04. Yaşam ve Doğa Bilimleri Fakültesi; 04.01. Biyomühendislik
    MikroRNA'lar (miRNA'lar), transkripsiyon sonrası gen ekspresyonu düzenleyicileridir. Bir_x000D_ miRNA yüzlerce haberci RNA'yı (mRNA'lar) hedefleyebildiği gibi, bir mRNA farklı miRNA'lar_x000D_ tarafından hedeflenebilir, üstelik tek bir miRNA bir mRNA sekansında çeşitli bağlanma_x000D_ bölgelerine sahip olabilir. Bu nedenle miRNA'ları deneysel olarak araştırmak oldukça_x000D_ karmaşıktır. Bu tür zorlukları aşabilmek için makine öğrenimi (ML) sıklıkla kullanılmaktadır._x000D_ ML analizinin temel kısımları büyük ölçüde giriş verilerinin kalitesine ve verileri tanımlayan_x000D_ özelliklerin kapasitesine bağlıdır. Daha önce miRNA'lar için 1000'den fazla özellik önerilmişti._x000D_ Bu projede, RNA ikincil yapısını temsil eden yeni özellikler ve yüksek doğruluk değerleri_x000D_ sağlayan, dinamik, çok boyutlu grafik gösterimini tanımlamayı hedeflemiştik. Bu çalışmada,_x000D_ ML tabanlı miRNA tahmini için yeni ve kolayca güncellenebilir bir yaklaşım geliştirilmiştir._x000D_ Bilinen insan miRNA'larının ve sözde saç tokalarının random forest (RF), support vector_x000D_ machine (SVM) ve multilayer perceptron (MLP) gibi çeşitli sınıflandırıcılarla_x000D_ sınıflandırılmasıyla binlerce model oluşturulmuştur. Yöntem insan verilerine dayanarak_x000D_ oluşturulmuş olsa da en iyi model miRBase ve MirGeneDB gibi kamu veri tabanlarından_x000D_ insan olmayan saç tokaları üzerinde test edilmiş ve yüksek skorlar üretilmiştir. Ayrıca,_x000D_ yöntemin farklı veriler üzerindeki etkinliğini göstermek için ekspresyon farkları tahmini_x000D_ (differential expression prediction) analizinde de kullanılmıştır. Bu aşamada SARS-CoV-2_x000D_ enfeksiyonunun etkisini ölçen bir veri setinin analizinden elde edilen sonuçlar yayınlanmıştır.